Question

在被推荐使用adehabitat来计算交叉口的数量后，我偶然发现了一个轻微（希望很简单）的问题。在这个库中我使用kerneloverlap命令，因为我需要计算交集的体积。我想知道你是否可以帮我解决一些编程问题。我需要修改脚本，使其“批量”处理友好。我知道R足以让自己陷入麻烦并失去头发，因为我知道某些事情应该是可能的，但却无法弄清楚如何使它发挥作用。

命令非常简单：

kerneloverlap(loc[,c("X","Y")], loc$year, lev = 90, grid=30, meth="VI", conditional=TRUE)

从数据文件中获取x，y坐标，以年为单位，并在90的利用率分布中计算网格单元格大小为30的交叉点。

输入文件（见下文摘录）是anid，X，Y，year和seasons。对于这个例子，只有一个赛季（请记住我有3个赛季）。对于这个例子，我想在每个单独的交叉量之间的1个季节之间进行比较。所以测试数据有2年1个季节和2个人。我想说的是“在2003至2004年的产犊季节，动物1的交叉口的体积为0.8，这表明高度重叠和对一个地点的保真度。”

我还想比较季节。这样，动物1在2003年夏季和越冬季节的交叉量为0.04，这表明重叠程度较低，并且对该位置没有保真度。“

要记住一些事情：并非所有人每年都在场，或者每个赛季都活着。因此可能需要某种低级别。

到目前为止，这是我的R脚本（它不起作用）。请注意，输出也没有很好地连接在一起，我似乎无法获得编译文件。我喜欢告诉我它与比较事物的年份，个人或季节。

IDNames= levels(loc$anid)
Year = unique(loc$year)
for (i in 1:(length(IDNames))){
vi90 = kerneloverlap(loc[,c("X","Y")], loc$year, lev = 90, grid=30, meth="VI", conditional=TRUE) 
    }
colnames(vi)= c(paste(IDNames[i],Year[n], sep =""),paste(IDNames[i], Year[n], sep =""))
}
write.csv(vi,"VolInter_indiv.csv")


    structure(list(anid = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L
), .Label = c("c_002", "c_104"), class = "factor"), X = c(276646.0514, 
276485.0397, 278102.4193, 278045.4716, 278993.8807, 274834.5677, 
278516.0218, 296741.8328, 299080.2451, 291874.5068, 168540.0024, 
168360.8211, 169538.2299, 164538.2592, 157321.7524, 148090.3478, 
140575.2442, 133369.7162, 134375.0805, 138763.5342, 232347.5137, 
231989.4609, 231793.1066, 234923.4012, 233374.4531, 232256.4667, 
233660.3445, 239317.3128, 246354.664, 145161.8922, 144148.7895, 
145154.7652, 145399.3515, 144581.4836, 143646.7295, 145055.3165, 
144613.1393, 145037.3035, 144701.2676), Y = c(2217588.648, 2216616.387, 
2219879.777, 2220818.804, 2216908.127, 2220423.322, 2216589.91, 
2234167.287, 2239351.696, 2232338.072, 2273737.333, 2273954.782, 
2269418.423, 2271308.607, 2264694.484, 2263710.512, 2254030.274, 
2253352.426, 2248644.946, 2262359.026, 2231404.821, 2229583.89, 
2231700.485, 2231598.882, 2237122.967, 2233302.185, 2240092.997, 
2237702.817, 2249213.958, 2261841.308, 2263064.156, 2262236.452, 
2264147.03, 2263214.877, 2263336.363, 2261417.946, 2256289.995, 
2256694.953, 2253352.576), year = c(2003L, 2003L, 2003L, 2003L, 
2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 
2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2003L, 2004L, 2004L, 
2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 
2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L, 2004L), season = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L), .Label = "calving", class = "factor")), .Names = c("anid", 
"X", "Y", "year", "season"), class = "data.frame", row.names = c(NA, 
-39L))

Answer 1

好的，我会咬人。

你的代码有一些错字（我希望）让它无法运行。让我们把它扔掉然后重新开始吧。函数kerneloverlap为其第二个参数中指定的每对项返回重叠值矩阵。在你的第一个例子中，你要比较几年。

让我们首先想象一下我们对一只动物的数据做了什么，然后编写一个函数，输出我们想要的值，仅用于这个简单的情况：

kernMod <- function(x){
    #x is the data for a single animal
    rs <- kerneloverlap(x[,c("X","Y")],
                        x$year,lev = 90, 
                        grid = 30, 
                        meth = "VI", 
                        conditional = TRUE)
    #Assumes we're only comparing two years
    out <- data.frame(year = paste(colnames(rs),collapse="-"), val = rs[2,1])
    out
}

现在我们可以将它分别应用于每只动物：

kernMod(subset(loc,anid == 'c_002'))
       year val
1 2003-2004   0
> kernMod(subset(loc,anid == 'c_104'))
       year        val
1 2003-2004 0.06033966

或我们可以使用ddply包中的plyr依次将其应用于每只动物：

ddply(loc,.(anid),.fun = kernMod)

  anid      year        val
1 c_002 2003-2004 0.00000000
2 c_104 2003-2004 0.06033966

要包含多个季节，您只需将其添加到要在ddply中拆分的变量列表（未经测试）：

ddply(loc,.(anid,season),.fun = kernMod)

要比较一年中的季节，您需要修改kernMod以传递x$season作为第二个参数，然后调用类似（未经测试的）：

ddply(loc,.(anid,year),.fun = kernMod)

如果您的完整数据有多年，kernMod将需要进行一些修改，因为kerneloverlap会返回一个n x n矩阵，其中n是数据中的年数。也许是这样的（未经测试的）

kernMod <- function(x){
    #x is the data for a single animal
    rs <- kerneloverlap(x[,c("X","Y")],
                        x$year,lev = 90, 
                        grid = 30, 
                        meth = "VI", 
                        conditional = TRUE)
    rs[lower.tri(rs,diag = TRUE)] <- NA
    rs <- melt(rs)
    rs <- subset(rs, !is.na(value))
    out <- data.frame(year = paste(rs$X1,rs$X2,collapse="-"), val = rs$value)
    out
}

这种方法只应通过计算您拥有数据的值来处理“缺失”的动物。

确定。我很想得到第三至第四作者，但我愿意接受一个承认。 ;）

将代码修改为r中的批量处理

1 个答案: